深度学习识别系统、方法及电子设备技术方案

本发明专利技术揭示了一种深度学习识别系统、方法及电子设备，属于计算机应用技术领域。所述系统包括深度学习任务管理模块和识别配置模块，所述深度学习任务管理模块，用于根据用户指令创建深度学习任务，以及对创建的深度学习任务进行管理；所述识别配置模块，用于根据用户的选择加载相应的参数文件进行深度学习进行识别。上述深度学习识别系统、方法及电子设备能够降低选择装配场景时的时间成本，实现装配场景管理及装配的自动化及信息化，大大提高生产效率。

【技术实现步骤摘要】
深度学习识别系统、方法及电子设备
本专利技术涉及计算机应用
，特别涉及一种深度学习识别系统、方法及电子设备。
技术介绍
深度学习方兴未艾，随着硬件性能的不断提高，深度学习越来越多地在各行各业中得到应用。然而，从问题定义到问题的解决经历的过程却没有那么简单。例如，采用深度学习进行把手开关状态识别时，首先需要采集把手开关相关的素材，开始对其标记，其次选择一个深度学习框架，搭建训练环境，配置各种参数，并选用或自己编写一种适合的神经网络模型开始训练，之后就可以调用预测功能了。但是，完成这个需求所需要对技术人员的要求很高，要求技术人员熟知深度学习应用的整个过程，包括从图像采集、标记、环境搭建、训练到预测，从而导致深度学习的门槛较高。
技术实现思路
为了解决相关技术中深度学习的门槛较高的技术问题，本专利技术提供了一种深度学习识别方法、系统及电子设备。第一方面，提供了一种装配场景识别系统，包括：深度学习任务管理模块，用于根据用户指令创建深度学习任务，以及对创建的深度学习任务进行管理；识别配置模块，用于根据用户的选择加载相应的参数文件进行深度学习进行识别。可选的，所述系统还包括参数文件存储模块；所述参数文件存储模块，用于存储用户深度学习的参数文件，所述参数文件包括模型文件、权重文件、标签文件等。可选的，所述系统还包括用户管理模块；所述用户管理模块，用于对登录所述系统的用户进行信息管理及权限管理。第二方面，提供了一种深度学习识别方法，包括：接收目标图像；根据所述目标图像，加载相应的参数文件进行深度学习，识别所述目标图像中的部件。可选的，所述方法还包括：接收上传的样本图像；根据所述样本图像选择深度学习算法；根据所述深度学习算法对所述样本图像进行训练，得到相应的参数文件。可选的，所述针对所述样本图像，采用深度学习算法进行训练，得到相应的参数文件的步骤包括：对所述样本图像进行部件及部件位置坐标的标记，得到标记文件；通过所述标记文件从所述样本图像中提取图像特征；采用神经网络模型对所述图像特征进行训练，得到所述参数文件。可选的，所述根据所述目标图像，加载相应的参数文件进行深度学习，识别所述目标图像中的部件的步骤包括：确定上传所述目标图像的用户账号；根据所述用户账号的权限选择相应的参数文件；通过加载所述参数文件识别所述目标图像中的部件。第三方面，提供了一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。第四方面，提供了一种计算机可读性存储介质，用于存储程序，其特征在于，所述程序在被执行时使得电子设备执行如第一方面的方法。通过本专利技术的实施例提供的技术方案能够得到以下有益效果：在进行深度学习识别时，接收目标图像，进而通过深度学习识别系统自动对目标图像进行深度学习的识别，无需技术人员熟知深度学习的整个过程即可自动识别出目标图像中的部件及部件位置，大大降低了深度学习识别的门槛，降低了深度学习的时间成本，有利于提高深度学习的识别效率。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，本专利技术并不受限制。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是根据一示例性实施例示出的一种深度学习识别系统的框图。图2是根据图1对应实施例示出的另一种深度学习识别系统的框图。图3是根据一示例性实施例示出的一种深度学习识别方法流程图。图4是根据图3对应实施例示出的另一种深度学习识别方法的具体流程示意图。图5是根据图4对应实施例示出的深度学习识别方法中步骤S230的一种具体实现流程图。图6是根据图3对应实施例示出的深度学习识别方法中步骤S120的一种具体实现流程图。图7是根据一示例性实施例示出的一种电子设备的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所记载的、本专利技术的一些方面相一致的系统和方法的例子。图1是根据一示例性实施例示出的一种深度学习识别系统10的框图，如图1所示，该深度学习识别系统可以包括深度学习任务管理模块110、识别配置模块120。深度学习任务管理模块110用于根据用户指令创建深度学习任务，以及对创建的深度学习任务进行管理。通过深度学习任务管理模块110，方便用户新建任务和查看任务。例如，新建任务：在新建任务功能中用户可以标记场景图片，上传标记图片训练识别场景；查看任务：在查看任务功能中用户需启动模型的训练，并可以对已建任务进行相应的删、改、查。识别配置模块120用于根据用户的选择加载相应的参数文件进行深度学习进行识别。参数文件包括网络模型文件、加载权重文件、加载标签文件等。通过识别配置模块120可以进行云识别配置、启动云识别服务、重启云识别服务、停止云识别服务。例如，云识别配置：在云识别配置功能中用户可以配置云识别服务的相关参数(加载网络模型文件、加载权重文件、加载标签文件)；启动云识别服务：在启动云识别服务功能中用户可以启动云识别服务；重启云识别服务：在重启云识别服务功能中用户可以重启云识别服务；停止云识别服务：在停止云识别服务功能中用户可以停止云识别服务。通过该深度学习识别系统自动对目标图像进行深度学习的识别，无需技术人员熟知深度学习的整个过程即可自动识别出目标图像中的部件及部件位置，大大降低了深度学习识别的门槛，降低了深度学习的时间成本，有利于提高深度学习的识别效率。可选的，如图2所示，深度学习识别系统还可以包括训练模块130、用户管理模块140。训练模块130用于对上传的样本图像集进行训练生成参数文件。本深度学习识别系统中，将自动对样本图像集进行训练。接收上传的样本图像集后，深度学习识别系统将根据将进行识别的目标图像，选择相应的深度学习算法自动对样本图像集进行训练生成参数文件，以便识别配置模块120进行深度学习识别时加载参数文件。用户管理模块140用于对登录所述系统的用户进行信息管理及权限管理。用户在登录深度学习识别系统，需以某一特定的用户账号登录，各不同的用户账号之间是相互独立的。通过用户用户管理模块140，可对深度学习识别系统中的用户进行管理。例如，增加用户：在增加用户功能中用户可以增加用户；删除用户：在删除用户功能中用户可以删除用户。还可以对不同的用户配置不同的权限，从而进一步提高深度学习识别系统管理的灵活性。可选的，深度学习识别系统还可以包括系统设置模块，通过系统设置模块，用户可以修改用户界面、背景、色彩等的设置。图3是根据一示例性实施例示出的一种深度学习识别方法流程图，如图3所示，该深度学习识别方法可以包括以下步骤。步骤S110，接收目标图像。目标图像是将进行深度学习识别的图像。目标图像可以是实时采集的一个图像；也可以是从预先采集的图像库中提取的一个图像；也可以是在视频采集存储后，从存储的视频中提取的一个图像帧；还可以是其它形式的图像。步骤S120，根据所述目标图像，加载相应的参数文件进行深度学习，识别所述目标图像本文档来自技高网...

【技术保护点】
1.一种深度学习识别系统，其特征在于，所述系统包括深度学习任务管理模块、识别配置模块；所述深度学习任务管理模块，用于根据用户指令创建深度学习任务，以及对创建的深度学习任务进行管理；所述识别配置模块，用于根据用户的选择加载相应的参数文件进行深度学习进行识别。

【技术特征摘要】
1.一种深度学习识别系统，其特征在于，所述系统包括深度学习任务管理模块、识别配置模块；所述深度学习任务管理模块，用于根据用户指令创建深度学习任务，以及对创建的深度学习任务进行管理；所述识别配置模块，用于根据用户的选择加载相应的参数文件进行深度学习进行识别。2.根据权利要求1所述的系统，其特征在于，所述系统还包括参数文件存储模块；所述参数文件存储模块，用于存储用户深度学习的参数文件，所述参数文件包括模型文件、权重文件、标签文件等。3.根据权利要求1所述的系统，其特征在于，所述系统还包括训练模块；所述训练模块，用于对上传的样本图像集进行训练生成参数文件。4.根据权利要求1所述的系统，其特征在于，所述系统还包括用户管理模块；所述用户管理模块，用于对登录所述系统的用户进行信息管理及权限管理。5.一种采用权利要求1-4任一项所述的深度学习识别方法，其特征在于，所述方法包括：接收目标图像；根据所述目标图像，加载相应的参数文件进行深度学习，识别所述目标图像中的部件。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：接收上传的样本图像；根据所述样本图像选择深度学习算法；根...

【专利技术属性】
技术研发人员：徐泽明，戴坤，
申请(专利权)人：深圳增强现实技术有限公司，
类型：发明
国别省市：广东,44